معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Anonymization library for python

ویژگی	مقدار
سیستم عامل	-
نام فایل	anonypy-0.1.7
نام	anonypy
نسخه کتابخانه	0.1.7
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	glassonion1
ایمیل نویسنده	glassonion999@gmail.com
آدرس صفحه اصلی	https://github.com/glassonion1/anonypy
آدرس اینترنتی	https://pypi.org/project/anonypy/
مجوز	-

# AnonyPy Anonymization library for python. AnonyPy provides following privacy preserving techniques for the anonymization. - K Anonymity - L Diversity - T Closeness ## The Anonymization method - Anonymization method aims at making the individual record be indistinguishable among a group record by using techniques of generalization and suppression. - Turning a dataset into a k-anonymous (and possibly l-diverse or t-close) dataset is a complex problem, and finding the optimal partition into k-anonymous groups is an NP-hard problem. - AnonyPy uses "Mondrian" algorithm to partition the original data into smaller and smaller groups - The algorithm assumes that we have converted all attributes into numerical or categorical values and that we are able to measure the “span” of a given attribute Xi. ## Install ``` $ pip install anonypy ``` ## Usage ```python import anonypy import pandas as pd data = [ [6, "1", "test1", "x", 20], [6, "1", "test1", "x", 30], [8, "2", "test2", "x", 50], [8, "2", "test3", "w", 45], [8, "1", "test2", "y", 35], [4, "2", "test3", "y", 20], [4, "1", "test3", "y", 20], [2, "1", "test3", "z", 22], [2, "2", "test3", "y", 32], ] columns = ["col1", "col2", "col3", "col4", "col5"] categorical = set(("col2", "col3", "col4")) def main(): df = pd.DataFrame(data=data, columns=columns) for name in categorical: df[name] = df[name].astype("category") feature_columns = ["col1", "col2", "col3"] sensitive_column = "col4" p = anonypy.Preserver(df, feature_columns, sensitive_column) rows = p.anonymize_k_anonymity(k=2) dfn = pd.DataFrame(rows) print(dfn) ``` Original data ```bash col1 col2 col3 col4 col5 0 6 1 test1 x 20 1 6 1 test1 x 30 2 8 2 test2 x 50 3 8 2 test3 w 45 4 8 1 test2 y 35 5 4 2 test3 y 20 6 4 1 test3 y 20 7 2 1 test3 z 22 8 2 2 test3 y 32 ``` The created anonymized data is below(Guarantee 2-anonymity). ```bash col1 col2 col3 col4 count 0 2-4 2 test3 y 2 1 2-4 1 test3 y 1 2 2-4 1 test3 z 1 3 6-8 1 test1,test2 x 2 4 6-8 1 test1,test2 y 1 5 8 2 test3,test2 w 1 6 8 2 test3,test2 x 1 ```

نحوه نصب

نصب پکیج whl anonypy-0.1.7:

pip install anonypy-0.1.7.whl

نصب پکیج tar.gz anonypy-0.1.7:

pip install anonypy-0.1.7.tar.gz